介绍
众所周知，计算机视觉在机器学习和人工智能领域获得了巨大的普及。图像识别技术允许计算机处理比人眼更多的信息，通常更快、更准确，或者只是在人们不参与观看的情况下处理。因此，你可能想知道机器如何学习和解释视觉世界。
在本文中，我将介绍如何使用 Python 的 OpenCV 库开始处理图像和视频。我们将涵盖以下主题：
- 计算机视觉简介
- OpenCV 库及其应用简介
- 如何使用 OpenCV 库处理图像和视频
计算机视觉
它是人工智能和计算机科学的一个领域，训练计算机理解视觉世界。它是机器学习的主要组成部分之一。它处理自然世界的图像（高维数据）。它执行各种任务，例如获取、分析和处理以理解图像并将其转换为数字或符号信息。
当今的计算机视觉算法基于模式识别，通常依赖于卷积神经网络 (CNN)。由于该领域的各种进步，计算机视觉正在蓬勃发展，并且它的受欢迎程度在过去几年中呈指数增长。
计算机视觉的应用范围从缺陷检测到入侵者检测、口罩检测到肿瘤检测、作物监测到植物监测、车辆分类到交通流量分析等。该技术主要应用于零售和制造、交通、媒体、农业、医疗保健、体育、银行、增强现实、家庭安全等。
OpenCV
Python 包含一个名为 OpenCV 的库，用于在计算机视觉领域工作。它是一个开源库，于 1999 年推出。我们可以执行图像处理、图像分析、视频分析等任务。该库主要用 C 编写，具有 C 、Python、Java 和 MATLAB 等接口。
应用：
- 2D 和 3D 特征工具包
- 视频/图像搜索检索
- 人脸识别系统
- 手势识别
- 移动机器人
- 对象识别
- 医学影像分析
- 运动追踪
- 增强现实
安装
使用 pip 命令可以轻松安装 OpenCV，如下所示
pip install opencv-python
使用 OpenCV 处理图像
在处理图像时，OpenCV 有许多可以对图像执行的操作。其中，我将讨论：
- 读取图像
- 调整图像大小
- 旋转图像
- 翻转图像
- 重写图像
- 裁剪图像
- 在图像上绘制各种形状
1. 从文件中读取图像
- 使用函数imread()读取图片 （支持BMP、jpeg、tiff、png、便携图片格式等）
- 为了显示我们在上一步中读取的图像，我们使用函数“imshow()”。这个函数的第一个参数是标题，第二个是我们读到的图像。
- waitkey() 函数显示一个窗口几毫秒。毫秒数作为参数传递给函数。如果 0 作为参数传递，它将永远等待，直到按下任何键。
- 最后，destroyAllWindows() 将图像窗口显示后从内存中删除。
例子：
python 代码：
import cv2
img=cv2.imread('img.jpeg')
cv2.imshow('Image',img)
cv2.waitKey()
cv2.destroyAllWindows()输出
2. 调整图像大小：
在图像处理中，经常需要调整图像的大小。OpenCV 为我们提供了几种轻松重新缩放图像的方法。让我们通过一个例子来理解。
例子：
img2=cv2.resize(img,(400,400)) #resize by a fraction of original size img3=cv2.resize(img,(0,0),fx=0.5,fy=0.6) #using INTER_AREA to shrink the image img4=cv2.resize(img,(600,700),interpolation=cv2.INTER_AREA)
3. 旋转图像
使用 OpenCV 旋转图像的语法是
M=cv2.getRotationMatrix2D(center, angle,scale)
然后我们使用方法
cv2.wrapAffine(src,M, (h,w))
让我们通过一个例子来深入了解：
例子：
#calculate height and width to get center (h,w)=img.shape[:2] center=(w/2,h/2) #rotate by 90 degrees M = cv2.getRotationMatrix2D(center, 90, 1.0) img90 = cv2.warpAffine(img, M, (h, w)) #rotate by 180 degrees M = cv2.getRotationMatrix2D(center, 180, 1.0) img180 = cv2.warpAffine(img, M, (h, w)) #rotate by 270 degrees M = cv2.getRotationMatrix2D(center, 270, 1.0) img270 = cv2.warpAffine(img, M, (h, w))
4. 翻转图像：
要翻转图像，我们使用函数 cv2.flip() 并传递参数，即图像和翻转代码（水平或垂直）
例子：
#flip- vertical axes img=cv2.flip(img,0) #flip- horizontal axes img=cv2.flip(img,1)
5. 重写图像
要将图像重写为新文件，我们使用函数 imwrite() 如下：
cv2.imwrite('new_img.jpg',img)6. 裁剪图像
#crop from top img=img[0:100,0:100] #crop by specifying height and width img=img[50:200,50:100]
7. 绘制形状
使用 OpenCV，我们可以使用不同的函数在图像上快速绘制各种形状，如圆形、矩形、多边形等。让我们用一个例子来理解：
例子：
#creating a blank image import cv2 as cv2 import numpy as np img=np.zeros((500,500,3),dtype=float) #changing the color of the image to green img[:]=0,255,0 #Red img[:]=0,0,255
#changing the color of a particular portion img[200:300,300:450]=0,255,0 #drawing a rectangle cv2.rectangle(img,(100,100),(180,180),color=(255,0,0),thickness=5) #draw a circle with filling the color cv2.circle(img,center=(100,300),radius=60,color=(0,255,0),thickness=-1) #drawing a line cv2.line(img,(0,0),(317,356),thickness=3,color=(0,255,0)) #adding text cv2.putText(img,org=(50,50),fontScale=3,color=(255,0,0) ,thickness=2,lineType=cv2.LINE_AA,text="IMAGES", fontFace=cv2.FONT_HERSHEY_COMPLEX_SMALL) cv2_imshow(img) cv2.waitKey(0)
使用 OpenCV 处理视频
视频是帧序列或图像序列。图像通常采用 BGR（蓝、绿、红）的形式。每个像素的值都在 0-255 之间。要开始使用 OpenCV 处理视频，我们使用以下函数：
Cv2.VideoCapture()：它建立与视频的连接。它带有一个参数，该参数指示是使用内置摄像头还是附加摄像头。值“0”表示内置摄像头。
Cap.read()：这个方法可以让我们得到一个帧。
Cv2.cvtColor()：允许你更改图像使用的颜色模型。这包括从 BGR 转换为 RGB 和灰度。
在处理视频方面，在本文中，我们将学习
- 如何捕获视频帧的不同属性
- 读取视频文件
- 写视频
1. 捕获视频帧的属性：
让我们看几个捕获视频属性的示例。
要捕获帧形状：
frame.shape (2160, 3840, 3) plt.imshow(frame) plt.show()
要更改框架的颜色，我们使用函数 cv2.cvtColor()，如下所示：
#changing the color of the frame plt.show() plt.imshow(cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY))
为了捕捉视频，我们使用函数 cv2.VideoCapture()
cap=cv2.VideoCapture('/content/video.mp4')
cap.read()要获取框架的高度，我们使用 cap.get() 函数如下：
#height cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
为了获得框架的宽度，我们使用：
#width cap.get(cv2.CAP_PROP_FRAME_WIDTH)
要获取帧数，我们使用函数 cap.get() 如下：
#number of frames
cap.get(cv2.CAP_PROP_FRAME_COUNT)
为了获得每秒的帧数，我们使用
#number of frames per sec cap.get(cv2.CAP_PROP_FPS)
2. 读取视频文件
- 导入 cv2
- 然后我们使用函数 cv2.VideoCapture() 来捕捉视频。
- 接下来，我们循环遍历每一帧并使用函数 cap.read() 读取帧。
- 为了显示每一帧，我们使用方法 cv2.imshow()。
- 最后，我们使用 waitKey() 函数中断循环，当用户按下任意键时，该函数会中断循环。
- destroyAllWindows() 函数将关闭窗口。
例子：
#importing dependencies
import cv2
from matplotlib import pyplot as plt
#establish capture
cap=cv2.VideoCapture('/content/video.mp4')
#loop through each frame
while(cap.isOpened()):
ret,frame=cap.read()
frame=cv2.resize(frame,(1200,700))
cv2.imshow(‘Video',frame)
if cv2.waitKey(10) & 0xFF == ord('q'):
break
#close down everything
cap.release()
cv2.destroyALLWindows()3. 编写视频文件
- 导入 cv2
- 使用函数 cv2.VideoCapture() 捕获视频
- 然后我们使用函数 cv2.VideoWriter 来编写视频。该函数将参数作为
- cv2.VideoWriter(filename, fourcc, fps, framesize)
- filename - 捕获的输入视频文件
- Fourcc - 用于指定视频编解码器的代码
- fps - 每秒帧数
- framesize - 视频框的高度和宽度
- 接下来，我们循环遍历每一帧并使用对象 video_writer 来写入帧。
- 最后，我们使用 waitKey() 函数来打破循环
- 使用函数 destroyAllWindows() 关闭窗口
import cv2
from google.colab.patches import cv2_imshow
cap=cv2.VideoCapture('/content/video.mp4')
height=int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
width=int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
fps=int(cap.get(cv2.CAP_PROP_FPS))
frame_size = (width,height)
video_writer= cv2.VideoWriter('/content/output.avi',cv2.VideoWriter_fourcc('M','J','P','G'), fps, frame_size)
for frame_idx in range(int(cap.get(cv2.CAP_PROP_FRAME_COUNT))):
ret,frame=cap.read()
gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
video_writer.write(gray)
if cv2.waitKey(10) & 0xFF== ord('q'):
break
cap.release()
cv2.destroyALLWindows()结论
本文帮助你创建了与计算机视觉相关的出色应用程序。希望你现在对以下内容有一个很好的了解：
- 什么是计算机视觉
- OpenCV 库的应用
- 使用 OpenCV 库处理图像
- 使用 OpenCV 库处理视频
总结
到此这篇关于如何使用Python的OpenCV库处理图像和视频的文章就介绍到这了,更多相关Python OpenCV处理图像和视频内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！